劉 瀟

（武漢大學外國語學院，湖北武漢420072）

1.引言

進入信息社會后，人們可閱讀到的文本呈現(xiàn)爆炸式的增長。在外語教學領(lǐng)域，《歐洲語言共同參考框架：學習、教學、評估》（CECR）中提倡使用真實語料作為教學材料。而根據(jù)前蘇聯(lián)心理學家維果茨基（Vygotsky，1978）的最近發(fā)展區(qū)理論（Zone of Proximal Development）假設(shè)和美國語言學家克拉申（Krashen，1989）的語言學習輸入i/i+1理論（The input hypotheses），教學材料應(yīng)當稍高于學習者當前水平，才能達到最佳效果。但是，對于教學者和自學外語的學生而言，在繁多的資料中選取難度合適的文本，需要大量的時間與精力，他們迫切需要有力的工具以提高選取閱讀材料的效率。

為滿足這一需求，必須采用量化的方法，高效率地評估文本的困難程度，即易讀度（readability，也譯作易讀性）①對應(yīng)的法語單詞為lisibilité。國內(nèi)相關(guān)文章多采用“易讀性”這一譯法?！耙鬃x性”也更為貼近外語單詞本義。但為強調(diào)對文本易讀程度的量化測量，此文中主要采用“易讀度”這一譯法。。美國早在上世紀20年代就開始致力于相關(guān)研究，并將總結(jié)出的易讀度公式運用于英語教學、新聞、軍事等多個領(lǐng)域，以確保相關(guān)行業(yè)的文本更易為大眾所理解。2007年以來，這一課題也引起國內(nèi)英語教學、對外漢語和新聞等領(lǐng)域的學者越來越多的關(guān)注②根據(jù)中國知網(wǎng)的“學術(shù)趨勢”功能中的“學術(shù)關(guān)注度”對“易讀性”和“易讀度”兩個詞條的反饋，可以看到，具有這兩個關(guān)鍵詞的文本的收錄量之和在2007年之后有較大幅度上升。。

本文試圖對易讀度在英語、漢語和法語三個語種的國內(nèi)外研究方法和成果進行綜述，并將重點放在教學領(lǐng)域。在第二部分中，分別介紹國外的英語和法語易讀度研究的歷史、發(fā)展和應(yīng)用情況；第三部分則將目光轉(zhuǎn)向國內(nèi)，概覽英語教學界和漢語學者在易讀度上的成果；最后總結(jié)目前研究存在的問題，嘗試預(yù)測這一領(lǐng)域的發(fā)展趨勢。

2.國外易讀度研究

2.1英語易讀度研究

與語言學研究的其他分支相似，美國學者在文本易讀度方面的研究走在前列，也最為成熟。最早的研究始于上世紀20年代萊弗利和普萊西（Lively&Pressey，1923）對教材詞匯難度的考察。相關(guān)研究的內(nèi)容主要集中在兩個方面：影響易讀度的因素和易讀度的測定方法。與之相關(guān)的還有語料的選取，以及評估測量結(jié)果的方法等問題，本文暫不討論。

從研究方法的演變，到研究工具的發(fā)展，文本難度研究大致可分為三個階段（Thomas Fran?ois，2012）：

（1）20世紀20至70年代，易讀度的主流研究方法一直是由沃格爾和沃什伯恩（Vogel&Washburne）在1928年所提出的多元線性回歸模型。研究者將詞匯和語法作為區(qū)分文本難度的特征，選用單詞長度（或測量Dale-Chall等常用詞表之外單詞所得到的生疏詞比例）及句長等2（或3）個變量，通過手工抽樣或（50年代之后逐漸采用的）機器輔助統(tǒng)計的方式測出變量值，按其與易讀度的相關(guān)度為每個變量賦以權(quán)重并相加，構(gòu)建出上千個易讀度公式。

以弗雷奇（Flesch）在1948年提出的Flesch Reading Ease為例：

其中，wl（word length）=每個單詞的平均音節(jié)數(shù)，sl（sentence length）=每個句子的平均單詞數(shù)。

該公式算出的分數(shù)取值區(qū)間為0-100。分數(shù)越低，說明文章越難。其數(shù)值對應(yīng)的難度參照表如下：

（表 1）

Flesch Reading Ease和Flesch-Kincaid Grade Level是得到最為廣泛應(yīng)用的兩個公式。二者都采用單詞和句子長度作為語義和句法復(fù)雜度的依據(jù)，均被內(nèi)置于Microsoft Office Word軟件。后者更是美國國防部使用的標準文本難度測量公式。

此外，較常用的公式還有：Gunning-Fog Score，Coleman-Liau Index，Automated Readability Index（ARI），SMOG Index，Dale-Chall Readability Formula，F(xiàn)ry Readability Formula，Spache，F(xiàn)ORCAST 等。它們的預(yù)測變量都采用了傳統(tǒng)的一個詞匯因素加一個句法因素的形式，提出的時間較早，介于40年代末和60年代末之間。這些公式至今仍是易讀度應(yīng)用的主要工具。

以上易讀度公式具有顯著優(yōu)點：使用起來十分便捷，所需的變量也易于獲取。但其缺點同樣明顯：對文本難度的評估被過度簡化。2～3個變量遠不足以表達文本的復(fù)雜程度。詞長等因素本身與易讀度的關(guān)聯(lián)也有爭議。因此，必須引入新的思路和技術(shù)來評估文本難度。

（2）20世紀80至90年代，Kintsh、Vipond和Kemper等認知心理學專家對傳統(tǒng)方法進行了批評，認為這些公式采用的僅僅是文本表層的特征，忽略了文本真實的復(fù)雜度。他們指出：在閱讀時，讀者不僅對文章進行詞匯的辨認和語法的解讀，還需從概念上理解文本背后的涵義。鑒于此，他們提出了許多基于語義和篇章等認知心理學領(lǐng)域因素的特征，如概念本身的難度（虛詞的比例、人稱代詞、同形多義詞的數(shù)量），概念密度（小句的數(shù)量），回指的密度以及彼此的距離，近義詞或邏輯聯(lián)結(jié)詞，相鄰句子之間的相似度，詞匯覆蓋度（即兩句之間相同的名詞/論元/詞干的數(shù)量）等等。

然而，他們的研究并沒有提升難度區(qū)分的準確率，無法證明其相對于傳統(tǒng)方法的優(yōu)越性，反而因方法復(fù)雜常需手工統(tǒng)計，難以實踐而未得到廣泛采用。在這一時期，易讀度研究的發(fā)展陷入停滯和低潮。

（3）20世紀90年代至今，隨著越來越多學科與計算機和信息領(lǐng)域相交叉，自然語言處理技術(shù)不斷成熟，相關(guān)研究成果也被應(yīng)用到易讀度研究中。其中絕大多數(shù)的研究針對英語文本難度。研究者總體上對相關(guān)技術(shù)在實現(xiàn)更準確的文本難度量化評估中的作用持審慎的樂觀態(tài)度。

這些新方法有如下幾個特點：（1）采用機器學習技術(shù)；（2）引入包括語義和篇章類型的更多變量，以建立復(fù)雜的模型；（3）需要大量文本作為數(shù)據(jù)庫。

Foltz等學者在1998年最早引入了潛在語義分析技術(shù)（Latent Semantic Analysis，縮寫為LSA）①1988年由S．T．Dumais等人提出的一種新的信息檢索代數(shù)模型，它使用統(tǒng)計計算的方法對大量的文本集進行分析，從而提取出詞與詞之間潛在的語義結(jié)構(gòu)，用來表示詞和文本，達到消除詞之間的相關(guān)性和簡化文本向量實現(xiàn)降維的目的。以分析文本的連貫性。他們將文本作為大量不同特征值構(gòu)成的向量空間，處理為許多數(shù)據(jù)的集合，實現(xiàn)分析比對。Si和Callan于2001年最早將易讀度問題歸為自然語言分類的一個子問題，從而將它與人工智能和機器學習領(lǐng)域聯(lián)系起來。從此，多元線性回歸不再是測量易讀度的唯一數(shù)學模型，樸素貝葉斯、支撐向量機（SVM）等算法成為了這個領(lǐng)域的有力工具。

與傳統(tǒng)的易讀度公式相比，他們使用的變量更多，建立的統(tǒng)計模型更為復(fù)雜。目前，這一新方法還未明顯建立起相對于傳統(tǒng)公式的優(yōu)勢，但他們提供了將認知心理學家提出的新變量與傳統(tǒng)變量結(jié)合起來的可能，找到了該領(lǐng)域發(fā)展的突破口。

美國政府一直大力支持易讀度相關(guān)研究和將其成果推廣應(yīng)用?？突?梅隆大學的語言技術(shù)學院正開展的基于網(wǎng)絡(luò)文本的REAP（READer-specific Practice）項目就得益于美國教育部的支持。它能對閱讀者進行預(yù)先測驗，再有針對性地推薦適合對象閱讀水平的文本。經(jīng)過匹茲堡大學英語學院的教學實驗，該系統(tǒng)被認為能較好地融入正常的教學計劃中，取得了階段性成功（Feeney&Heilman，2008）。

商用方面，易讀度研究在母語教學領(lǐng)域的應(yīng)用最為常見。MetaMetrics公司開發(fā)的藍思閱讀測評系統(tǒng)（Lexile Framework）就是其中的成功案例。他們通過計算大樣本的教材難度，為每個年級提出了必讀文本難度和擴展文本難度分值，推動了兒童分級閱讀的專業(yè)合作與指導(dǎo)（羅德紅、余婧，2013）。除英語外，該公司的閱讀評測系統(tǒng)還有西班牙語版。2009年，他們還與托?？荚嚕═OEFL）的研發(fā)和主辦機構(gòu)——美國教育考試服務(wù)中心（ETS）合作，將托?？荚囬喿x部分的分數(shù)聯(lián)入藍思測評系統(tǒng)。

美國孟菲斯大學（University of Memphis）的Coh-Metrix系統(tǒng)則側(cè)重于文本的連貫性。在二語習得領(lǐng)域，它所采用的Coh-Metrix L2 Reading Index的表現(xiàn)優(yōu)于傳統(tǒng)易讀度公式，但59%的分類準確度在實踐中仍不能讓人滿意（Crossley&al．，2011）。

此外，在軍事、新聞、保險等領(lǐng)域，易讀度研究也發(fā)揮著作用，用以確保相關(guān)文本更易為大眾所理解。如美國馬薩諸塞州保險委員會規(guī)定保險單的易讀度用Flesch Reading Ease公式計算得分應(yīng)不低于50，而明尼蘇達州則要求不低于40（晏生宏、黃莉，2005）。

2.2法語易讀度研究

直到1956年，法語世界才通過André Conquet的著作《易讀度》（La lisibilité）接觸到這一領(lǐng)域。在20世紀50至60年代，Kandel、Moles和Landsheere改造Flesch Reading Ease以適應(yīng)法語文本。最早的原創(chuàng)公式是Henry在1975年提出的。隨后，Cornaire在1988年將Henry的公式應(yīng)用于FLE教學。Uitdenbogerd在2005年針對母語為英語的法語學生構(gòu)建了自己的易讀度公式，將兩種語言的詞匯相似度作為變量之一（Fran?ois，2009）。

近年來，比利時魯汶天主教大學的Fran?ois（2012）致力于利用語言自動處理技術(shù)提高文本易讀度的準確度，并應(yīng)用于FLE領(lǐng)域②他的研究面向的對象是母語非特定某種語言、非為特定目的學習法語（FOS）的成年人。。Fran?ois采取由教學專家預(yù)先按照《歐洲語言共同參考框架：學習、教學、評估》（CECR）標準分類③《歐洲語言共同參考框架：學習、教學、評估》（C E C R）中將語言學習者的能力分為A 1、A 2、B 1、B 2、C 1、C 2，共6級。此外，還可加入A 1+、A 2+、B 1+，細化為 9個等級。的法語教材作為語料，通過機器學習和文本挖掘的方法對406個變量進行實驗。他確認傳統(tǒng)所采用的詞匯變量（尤其是常用詞表之外的單詞所占比例）仍是最佳特征值，證明語言自動處理技術(shù)引入的基于LSA的變量和詞類等變量對準確評估文本易讀度的效果顯著；而短語和多元模型等變量則并不比傳統(tǒng)公式采用的變量更有效。他的實驗結(jié)果顯示：實現(xiàn)較好的文本難度自動評估所需的特征值數(shù)目遠超傳統(tǒng)公式。通過對47個特征值（包含傳統(tǒng)特征及語言自動處理技術(shù)所發(fā)掘的新特征）的最優(yōu)運用，能得到比傳統(tǒng)方式高15%的準確度。在統(tǒng)計模型方面，Boosting方法④Boosting（增強）方法是一種集成學習的分類方法，反復(fù)使用多個準確度較低的弱分類器，在每次迭代中增加被分類錯誤樣本的權(quán)重，最終分類器通過對多個弱分類器結(jié)果按不同加權(quán)投票建立。和SVM方法效率最高，而前者在屢次迭代過程中花費時間過長，因此采用SVM方法。

這兩種方法也是目前機器學習領(lǐng)域廣泛認定具有較好效果的模型。最終模型在將語料根據(jù)CECR標準分為6類和9類難度時取得了準確率49%和35%的最佳效果，大致相當于未經(jīng)專業(yè)訓(xùn)練的普通人進行難度分類判斷時的結(jié)果。盡管這樣的表現(xiàn)離實際應(yīng)用還有較大差距，但這也正反映出研究的困難度。

3.國內(nèi)易讀度研究

3.1英語易讀度研究

在2．1中，我們看到：美國的英語文本難度研究已取得不少成果，在較多領(lǐng)域進入應(yīng)用層面，具有借鑒意義。但這些方案主要面向的是以英語為母語的讀者，針對的是美國人的閱讀能力和特點，不能將這些公式和工具簡單照搬到面向二語習得者的英語教學及其他語種的易讀度測量中。王晶（2010）對不同水平的中國英語學習者進行閱讀測試，發(fā)現(xiàn)大多數(shù)學生對測試所選用的6篇文本的難度排序和實際閱讀能力的表現(xiàn)不符合Flesch Reading Ease公式的預(yù)測結(jié)果?？梢?，中國學習英語的閱讀者需要適合自身特點的軟件和工具。

在我國英語教學領(lǐng)域，林錚（1995）最早對國外易讀度研究進行了綜述。此后，李紹山（2000）、晏生宏（2005）、章辭（2010）等也開始關(guān)注這一課題。目前，國內(nèi)已自主開發(fā)了以下三款自動測量英語文本難度的軟件，但尚未得到大規(guī)模應(yīng)用。

福建師范大學外國語學院開發(fā)了ERDA軟件，分中學版和大學版兩個版本。采用的公式中選取詞匯和句法兩個變量。詞匯按習得的順序分等級，中學版按年級數(shù)分為6個等級，大學版根據(jù)教委頒布的大綱分為8個等級。句長按單詞數(shù)分為4個類型。不同等級的詞匯、句子類型分別乘以給定的系數(shù)，結(jié)果介于 0-10之間（林錚，1995）。

重慶大學的ERMS系統(tǒng)以Flesch Reading Ease為計算公式。它將詞匯分為大學前、英語四級、英語六級、研究生四個等級建立以大學英語教學大綱詞匯表為基礎(chǔ)的詞庫。詞庫具有開放性，可更新。除統(tǒng)計句子數(shù)、總音節(jié)數(shù)、總詞數(shù)后利用公式得出分數(shù)外，該軟件還可通過類符/詞符比統(tǒng)計詞匯密度（晏生宏、黃莉，2005）。

解放軍外國語學院的IRMS系統(tǒng)則未采用傳統(tǒng)的易讀度公式，采用了自然語言處理技術(shù)。邢富坤、程東元（2007，2008）基于信息計算開發(fā)的原理，通過對語篇信息量、詞熵、句熵的統(tǒng)計，進行易讀度測量。其成果比上述兩款軟件具有更強的普遍適用性，易于轉(zhuǎn)換為其他語種的易讀度測量工具。

劉海清（2013）則呼吁學者對公安等特殊行業(yè)的英語教材開發(fā)有針對性的易讀性軟件。然而，受語料庫大小、相關(guān)理論研究水平和易讀度研究難度等條件制約，目前易讀度研究主要針對的都是有較大樣本量的普通閱讀者。在普通易讀度研究取得重大進展前，此類特殊需求很可能會長期無法得到滿足。

此外，我國英語教學專家也注意使用國外開發(fā)的文本難度測量軟件。2008年7月27日，外語教學與研究出版社在北京舉辦了“全國高等學校英語教師教育與發(fā)展系列研修班”第4期——“語料庫在外語教學中的應(yīng)用”。許家金向教師介紹的實用軟件中，就包含了日本早稻田大學的Laurence Antony開發(fā)的Ant Word Profiler。王正勝（2010）也發(fā)文介紹了這款軟件的使用方法。然而，這款軟件僅能用于統(tǒng)計常用詞表在文本中的分布情況，尚不能測量并評估文本的具體難度。

也有一些研究者運用文本易讀度公式和軟件來研究英語閱讀教學。蔣晶晶（2009）運用6種易讀度公式評估英語分級考試CEPT文本中出現(xiàn)的詞匯難度情況，認為Flesch-Kincaid Grade Level公式最為可信。辜向東和關(guān)曉仙（2003）對CET閱讀測試和大學英語閱讀教材進行了易讀度抽樣研究。李安心（2012）利用Ant Word Profiler和SPSS軟件對高考英語湖南卷的閱讀理解進行了文本難度因素分析。王麗（2011）利用Office Word軟件自帶的Flesch Reading Ease公式對高職英語教材中的閱讀材料做了抽樣分析。

陳炎龍和張志明（2010）則對傳統(tǒng)的易讀性公式進行了批評，認為它們雖然容易施行，但計算值過于集中，不利于進行等級劃分。作為改善，他們提出以詞匯為特征值，建立文本分類時常用到的向量空間模型。這樣的方法符合國際易讀度研究傾向于采用自然語言處理技術(shù)的新趨勢。

目前我國英語界學者對易讀度的研究成果較豐富，不僅有對國外開發(fā)的傳統(tǒng)公式的借鑒和應(yīng)用，更有自主創(chuàng)新，部分最近成果符合國際上采用自然語言處理技術(shù)的新趨勢。但在應(yīng)用和分析文本難度時，被廣泛使用的仍是國外的傳統(tǒng)公式，我國自主研發(fā)的幾款軟件在推廣方面仍有不足。另外，在研發(fā)易讀度工具時，缺少統(tǒng)一的、大規(guī)模的英語教材語料庫支持。這些都有待在今后研究中得到改善。

3.2漢語易讀度研究

和法語以及其他外語相似，漢語易讀度研究起步較晚，成果也較少。早期研究直接借鑒英語的易讀度公式，逐漸開始構(gòu)擬原創(chuàng)的易讀度模型。研究對象也從是母語閱讀者開始，慢慢擴展到面向外國的二語教學領(lǐng)域。

在新聞領(lǐng)域，臺灣學者于宗先在1959年最早應(yīng)用Flesch Reading Ease易讀公式，但僅為直接照搬，未考慮漢語與英語的差異。1970年，陳世敏改良了Gunning-Fog Score。在同時或稍早時候，留美學者楊孝溁也進行了中文易讀性公式的構(gòu)擬。這些探索都受到英語文本難度公式啟發(fā)，并將其改良，應(yīng)用于漢語。他們的共性是只考慮了字或詞的簡單特征，忽略了文本的復(fù)雜程度（黃敏，2010）。

陳阿林和張素（1999）模擬人工神經(jīng)網(wǎng)絡(luò)，建立了漢語的閱讀難度量化計算模型。該模型考慮了平均句字長、平均句詞長、全體詞集使用度、全體句子使用頻度、文體等變量。其中文體變量由人工取值。

在兒童母語閱讀領(lǐng)域，接力兒童分級閱讀研究中心發(fā)布的中國兒童分級閱讀指導(dǎo)手冊（2010版）中雖然提到，該手冊參考了國外分級閱讀理論，但實質(zhì)上仍然是由專家人工完成難度分級。

對外漢語教學中，王蕾（2005）通過多元線性回歸的方式，以漢語水平是初、中級的日韓留學生的完形填空成績?yōu)檎Z料建立了一個可讀性公式，其中考慮了簡單詞的比例、虛詞數(shù)和分句數(shù)這三個變量。郭望皓（2009）考察了漢語句子難度與字、詞難度的關(guān)系，并利用CRITIC加權(quán)法得到一組8個以《漢語水平詞匯與漢字等級大綱（修訂本）》為難度劃分，利用現(xiàn)有的字、詞難度等級來預(yù)測句子難度的公式。江少敏（2009）將易讀度的研究層面從宏觀轉(zhuǎn)向微觀，在句子層面研究難度分級。他基于對留學生和小學生的問卷調(diào)查，建構(gòu)了一套度量公式并制作了對應(yīng)的軟件。

由于漢語和英語、法語等歐洲語言在形態(tài)、語法上有極大差異，在漢語易讀度研究上，需要更多的創(chuàng)新精神，能借鑒的工具有限。另外，受限于目前中文自然語言處理的整體水平，相關(guān)的研究和應(yīng)用較少。相對于對外漢語教學領(lǐng)域的學者，兒童分級閱讀方面的教學專家更缺乏量化評估的嘗試。

3.3法語易讀度研究

目前，我國法語教學界尚無文本易讀度方面的研究。雖然上海外語教育出版社從2005年起陸續(xù)出版了根據(jù)歐盟通行的CECR標準分類的法語分級注釋讀物叢書，但并不是基于量化的易讀度研究基礎(chǔ)上評定難度，而是采用專家人工分類的方式。

為填補這一領(lǐng)域的空白，研究者可一方面關(guān)注法語世界在易讀度和文本處理方面的最新研究成果，另一方面從中國法語教學界使用的教材和分類標準、中國學生學習法語（尤其是閱讀時）普遍的難點等方面著手，收集教材課文、課外閱讀材料、學生閱讀測試結(jié)果等資料，建立包含各級難度文章的語料庫，測試詞匯、句法等因素對學生理解文章難度的影響，為研究打下基礎(chǔ)。

4.結(jié)語

作為新興領(lǐng)域，易讀度有廣闊的社會應(yīng)用前景，涉及到文本閱讀的各個層面。它能有助于教材編寫者高效、客觀地評價教材，提高教材的選材效率和編寫水平；能提高教師選擇更適合學生水平的真實語料（尤其是網(wǎng)絡(luò)文本）的效率；能輔助學生自主選擇課外閱讀文本，并對其閱讀能力提供反饋和評估；能幫助作者（特別是科普作家和兒童作家）提高文本的可讀性，促進作品的傳播；能輔助降低新聞報道、技術(shù)手冊、科技文獻、法律文本等的難度，以確保相關(guān)文本更易為大眾所理解。

目前，在英語之外，漢語、法語等語種的易讀度研究較為滯后。國際上得到最廣泛應(yīng)用的傳統(tǒng)易讀度公式還是上世紀50至60年代的產(chǎn)物，所選用的用于測量文本難度的變量（如詞長、句長等）相對粗疏，不足以反映文本本身的復(fù)雜程度，準確率離實際應(yīng)用還有較大差距，仍有很大的改進空間。

可見，文本的易讀度是一個復(fù)雜的問題，需要教學法專家、語言學專家與計算機專家、認知心理學家建立跨領(lǐng)域的深入合作，以取得貼近實際應(yīng)用需要的成果。

首先，需建立難度分類準確、包含大量各類文本、且符合實際教學等工作需要的語料庫。目前文本易讀度的語料來源較單一，多為課文，可能導(dǎo)致結(jié)果對教學材料的過擬合，即僅能對作為樣本的語料進行有效分類，影響對生活中報刊、說明文等其他類型文本的難度判定。另外，由于分類越多越易出錯，為取得較好的分類效果，部分研究僅將文本分為易、中、難三類，難以貼合實際運用的需要。

其次，為取得這一領(lǐng)域的突破，離不開自然語言處理技術(shù)的支持。受當前相關(guān)技術(shù)發(fā)展的制約，目前在綜合考察影響文本難度的變量時，體現(xiàn)出強烈的“詞匯主義”傾向，對跨詞匯、跨句子的文本關(guān)聯(lián)性及句法復(fù)雜度等因素缺乏有效的統(tǒng)計方法，甚至不作考量。研究者需注意吸收句法分析、自動摘要等自然語言處理技術(shù)的新成果，綜合各種影響文本難度的因素，對易讀度進行更全面的研究。

此外，外語教學是易讀度的重要應(yīng)用領(lǐng)域，但相較于母語教學，對二語習得方面的易讀度研究受到的關(guān)注更是嚴重不足。由于作為目標語的英語、法語和作為母語的漢語差異巨大，時態(tài)、詞型變化等語法特征給中國學生帶來的難度明顯大于其對歐洲學生的影響。應(yīng)將這些差異帶入易讀度研究中，予以逐一驗證。

[1]Vygotsky Lev Semyonovich．Mind in Society：The Development of Higher Psychological Processes[M]．Cambridge，Mass：Harvard University Press，1978．

[2]Krashen S．D．We Acquire Vocabulary and Spelling by Reading：Additional Evidence for the Input Hypothesis[J]．The Modern Language Journal，1989，（4）．

[3]Lively Bertha A．,Pressey S．L．A method for measuring the“vocabulary burden”of textbooks[J]．Educational administration and supervision，1923，（9）．

[4]Fran?ois Thomas．Modèles statistiques pour l’estimation automatique de la difficulté de textes de FLE，Rencontre des êtudiants Chercheurs en Informatique pour le Traitement Automatique des Langues（RECITAL 2009）[EB/OL]．http://cental．fltr．ucl．a(chǎn)c．be/team/tfrancois/articles/Francois 2009b．pdf．

[5]Fran?ois Thomas．Thèse：Les Apportsdu Traitement Automatique du Langageàla Lisibilitédu Fran?ais Langue ètrangère[D]．Louvain-la-Neuve：Université catholique de Louvain，2012．

[6]Fran?ois Thomas，F(xiàn)airon C．Les apports du TAL à la lisibilité du fran?ais langue étrangère[J]．Traitement Automatique des Langues（TAL），2013，（1）．

[7]Feeney，Heilman．Automatically Generating and Validating Reading-Check Questions[J]．Intelligent Tutoring Systems Lecture Notes in Computer Science，2008，（5091）．

[8]Crossley&al．Text readability and intuitive simplification：A comparison of readability formulas[J]．Reading in a Foreign Language，2011，（1）．

[9]晏生宏，黃莉．英文易讀度測量程序開發(fā)探索[J]．重慶大學學報：社會科學版，2005，（2）．

[10]羅德紅，余婧．兒童分級閱讀研究的中美對比分析[J]．圖書館，2013，（2）．

[11]林錚．英文易讀度的測定[J]．外語教學與研究，1995，（4）．

[12]李紹山．易讀性研究概述[J]．解放軍外國語學院學報，2000，（4）．

[13]章辭．英文易讀性研究：回顧與反思[J]．湖南工程學院學報：社會科學版，2010，（3）．

[14]邢富坤，程東元，等．英文文本難度自動測量系統(tǒng)的研制與開放[J]．現(xiàn)代教育技術(shù)，2008，（6）．

[15]邢富坤．基于信息計算的英語易讀性研究及IRMS應(yīng)用系統(tǒng)開發(fā)[D]．北京：中國人民解放軍外國語學院，2007．

[16]王正勝．英語文本易讀性測量軟件AntWordProfiler的使用[J]．外語藝術(shù)教育研究，2010，（4）．

[17]蔣晶晶．CEPT閱讀文本易讀度分析及詞匯檢測工具的開發(fā)[D]．長沙：湖南大學，2009．

[18]辜向東，關(guān)曉仙．CET閱讀測試與大學英語閱讀教材易讀度抽樣研究[J]．西安外國語學院學報，2003，（3）．

[19]李安心．高考英語湖南卷閱讀理解文本難度因素分析[D]．長沙：湖南師范大學，2012．

[20]王麗．高職英語教材中閱讀材料易讀度的抽樣分析[J]．遼寧高職學報，2011，（8）．

[21]劉海清．公安行業(yè)英語教材易讀性研究述評[J]．牡丹江教育學院學報，2013，（4）．

[22]陳炎龍，張志明．基于向量空間模型的英文文本難度判定[J]．電腦知識與技術(shù)，2010，（12）．

[23]黃敏．漢語特質(zhì)與中文新聞易讀性公式研究[J]．新聞與傳播研究，2010，（4）．

[24]陳阿林，張素．中文閱讀難度模型及易讀性公式探索[J]．計算機科學，1999，（11）．

[25]王蕾．初中級日韓留學生文本可讀性公式初探[D]．北京：北京語言大學，2005．

[26]郭望皓．對外漢語文本易讀性公式研究[D]．上海：上海交通大學，2010．

[27]江少敏．句子難度度量研究[D]．廈門：廈門大學，2009．

[28]王晶．驗證易讀性程式是否適合中國英語學習者[D]．上海：華東師范大學，2010．